KR102624926B1 - 소비자 기호 반영 컨텐츠 제공 및 제작 시스템 - Google Patents

소비자 기호 반영 컨텐츠 제공 및 제작 시스템 Download PDF

Info

Publication number
KR102624926B1
KR102624926B1 KR1020230131209A KR20230131209A KR102624926B1 KR 102624926 B1 KR102624926 B1 KR 102624926B1 KR 1020230131209 A KR1020230131209 A KR 1020230131209A KR 20230131209 A KR20230131209 A KR 20230131209A KR 102624926 B1 KR102624926 B1 KR 102624926B1
Authority
KR
South Korea
Prior art keywords
content
consumer
equation
watched
recommended
Prior art date
Application number
KR1020230131209A
Other languages
English (en)
Inventor
노용우
Original Assignee
노용우
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 노용우 filed Critical 노용우
Priority to KR1020230131209A priority Critical patent/KR102624926B1/ko
Application granted granted Critical
Publication of KR102624926B1 publication Critical patent/KR102624926B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

소비자 단말; 및 컨텐츠의 특성 정보를 분석하고, 상기 특성 정보 분석을 통해 소비자 맞춤형 추천 컨텐츠를 추출하여 상기 소비자 단말로 제공하는 관리 서버;를 포함하는, 시스템을 개시한다.

Description

소비자 기호 반영 컨텐츠 제공 및 제작 시스템{SYSTEM OF MANUFACTURING CONTENTS CONSIDERING CONSUMER PREFERENCES}
본 발명은 소비자의 기호를 반영하여 컨텐츠를 제공하는 시스템에 관한 것이다.
스마트폰, 통신 등의 정보 통신 기술이 발전함에 따라 누구나 장소에 구애받지 않고 다양한 컨텐츠를 용이하게 취득하는 것이 가능하게 되었다. 이에 따라 하기의 특허문헌처럼 다양한 컨텐츠를 저장하여 제공하는 시스템이 널리 개발되고 있으며, 이에 더 나아가 사용자의 성향을 파악하여 사용자별로 차별화된 컨텐츠를 제공하는 시스템이 개발되고 있다.
(특허문헌) 공개특허공보 제10-2009-0006464호(2009. 01. 15. 공개) "사용자 맞춤형 컨텐츠 제공 장치, 그 방법 및 기록매체"
하지만, 종래의 사용자별로 차별화된 컨텐츠를 제공하는 시스템은 사용자의 설정 이력, 사용 내역 등을 분석하여 컨텐츠를 제공할 뿐이어서, 즉 사용자의 과거 성향에 기초하여 컨텐츠를 제공하여, 현재 상황에 맞는 적절한 컨텐츠를 제공하지 못하는 문제가 있다.
본 발명의 일측면은 소비자가 시청한 컨텐츠의 주요 장면, 배우, 명대사 등이 유사한 컨텐츠를 추천하며, 나아가 시청률이 높은 구간을 쇼츠 영상으로 제공하는 시스템을 개시한다.
본 발명의 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 시스템은 소비자 단말; 및 컨텐츠의 특성 정보를 분석하고, 상기 특성 정보 분석을 통해 소비자 맞춤형 추천 컨텐츠를 추출하여 상기 소비자 단말로 제공하는 관리 서버;를 포함한다.
한편, 상기 관리 서버는, 상기 소비자 단말로 제공하는 컨텐츠에서 컨텐츠를 구성하는 소정의 장면, 컨텐츠 출연 배우 및 컨텐츠에 등장하는 대사를 포함하는 특성 정보를 추출하고, 상기 특성 정보를 빅데이터화 하기 위해 별도의 데이터베이스에 저장 및 관리하는 컨텐츠 분석부; 소비자 기호를 반영하여 추천 컨텐츠를 추출하고, 상기 추천 컨텐츠를 상기 소비자 단말로 제공하는 컨텐츠 추천부; 컨텐츠에서 시청률이 높은 구간을 추출하여 쇼츠 영상으로 제작하는 컨텐츠 제작부; 및 상기 소비자 단말로 제공한 추천 컨텐츠의 시청 여부를 확인하고, 상기 추천 컨텐츠가 시청되지 않은 경우, 상기 소비자 단말로 제공한 추천 컨텐츠와 다른 컨텐츠가 제공될 수 있도록 하는 데이터 관리부;를 포함하고,
상기 컨텐츠 추천부는, 시간대 별 동일한 컨텐츠를 시청하는 소비자를 그룹화하고, 각 그룹에서 특정 시간대에 가장 많이 시청되는 컨텐츠를 제1 추천 컨텐츠로 추출하고, 상기 특정 시간대에 상기 제1 추천 컨텐츠가 상기 소비자 단말에서 노출될 수 있도록 하는 제1 컨텐츠 추천부; 및 소비자가 시청한 컨텐츠들에 대한 특성 정보에 해당하는 시청 이력 정보를 획득하고, 상기 컨텐츠 분석부에서 구축한 빅데이터를 학습하여 입력 데이터에 대하여 유사한 컨텐츠 출력을 위해 학습된 인공 신경망으로부터 상기 시청 이력 정보에 대한 출력 데이터를 획득하고, 상기 출력 데이터를 제2 추천 컨텐츠로 추출하여 상기 소비자 단말로 제공하는 제2 컨텐츠 추천부;를 포함하고,
상기 컨텐츠 제작부는, 복수의 컨텐츠 중, 시청률이 소정 임계치 이상인 컨텐츠를 추출하고, 추출한 컨텐츠를 1분 이내의 구간으로 구획하고, 시청률이 가장 높은 구간을 추출하여 쇼츠 영상으로 제작하고, 쇼츠 영상을 상기 소비자 단말로 제공할 수 있다.
또한, 상기 컨텐츠 분석부는, 컨텐츠에서 나타나는 오디오 피크 값의 개수 및 피크 값이 나타나는 주기를 이용하여 컨텐츠 특징값을 계산하고, 상기 컨텐츠 특징값, 소비자가 시청한 전체 컨텐츠의 수, 소비자가 시청한 전체 컨텐츠 중 20% 이상의 구간을 시청한 컨텐츠의 수 및 소비자의 평균 컨텐츠 시청 시간을 이용하여 소비자의 컨텐츠 시청 패턴값을 계산하는 것을 더 포함하고,
상기 컨텐츠 추천부는, 상기 컨텐츠 시청 패턴값을 이용하여 소비자를 그룹화하고, 그룹에서 시간대 별로 가장 많이 시청된 컨텐츠를 제3 추천 컨텐츠로 추출하여 제공하는 제3 컨텐츠 추천부;를 더 포함할 수 있다.
상술한 본 발명의 일 측면에 따르면, 추천 컨텐츠를 제공하되, 이때, 소비자가 시청한 컨텐츠의 주요 장면, 배우, 명대사 등이 유사한 컨텐츠를 추천하며, 나아가 시청률이 높은 구간을 쇼츠 영상으로 제공하여 소비자 만족도를 높일 수 있으며, 스트리밍 서비스 소비자들의 이탈을 방지할 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 소비자 기호 반영 컨텐츠 제공 및 제작 시스템의 개념도이다.
도 2 및 도 3은 도 1에 도시된 관리 서버의 개념도이다.
도 4는 본 발명의 다른 실시예에 따른 컨텐츠 추천부의 개념도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계 및 동작은 하나 이상의 다른 구성요소, 단계 및 동작의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명의 일 실시예에 따른 소비자 기호 반영 컨텐츠 제공 및 제작 시스템의 개념도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 시스템(1)은 관리 서버(100), 소비자 단말(200) 및 네트워크(300)를 포함할 수 있다.
관리 서버(100)는 소비자 기호를 분석하여 컨텐츠를 추출하는 서비스를 제공할 수 있다.
관리 서버(100)는 본 발명에 따른 서비스를 제공하기 위한 자체 서버이거나 클라우드 서버일 수도 있고 분산된 노드들의 p2p(peer-to-peer) 집합일 수 있다.
관리 서버(100)는 일반적인 컴퓨터가 갖는 연산, 저장, 참조, 입출력, 제어 기능 중 어느 하나 이상을 수행할 수 있고, 입력 데이터를 바탕으로 후술할 인공 신경망을 포함할 수 있다.
관리 서버(100)는 프로세서 및 메모리를 포함할 수 있다. 프로세서는 본 발명에 따른 매입 또는 매도 시점 예측을 수행할 수 있고, 이를 수행할 수 있는 장치들을 포함할 수 있다. 프로세서는 프로그램을 실행하거나 관리 서버(100)를 제어할 수도 있다. 프로세서에 의해 실행되는 프로그램 코드는 메모리에 저장될 수 있다. 메모리는 본 발명에 따른 컨텐츠 추천을 수행하기 위한 관련 정보들을 저장하거나 방법을 구현하기 위한 프로그램을 저장할 수 있다. 메모리는 휘발성 메모리거나 비휘발성 메모리일 수 있다.
관리 서버(100)는 네트워크(300)를 이용하여 외부 장치에 데이터를 발신하거나 외부 장치로부터 데이터를 수신할 수 있다.
관리 서버(100)는 인공 신경망을 학습시킬 수 있고, 학습이 완료된 인공 신경망을 이용할 수도 있다. 프로세서는 메모리에 저장된 인공 신경망을 학습시키거나 실행할 수 있고, 메모리는 학습 완료된 인공 신경망을 저장할 수 있다. 인공 신경망을 학습시키는 전자 장치와 이용하는 전자 장치는 동일할 수 있지만 별개일 수도 있다.
인공지능은 인간의 뇌의 기능을 일부 구현한 컴퓨터 시스템으로, 스스로 학습하고 추측하고 판단할 수 있다. 학습을 진행할수록 답을 추출할 확률이 높아질 수 있다. 인공지능은 학습과 그것을 이용한 요소 기술들로 구성될 수 있다. 인공지능의 학습은 입력 데이터를 바탕으로 특징을 분류와 학습을 하는 알고리즘 기술이고, 요소 기술들은 학습 알고리즘을 이용하여 인간의 뇌의 기능을 일부 구현하는 기술일 수 있다.
인공지능은 확률적으로 여러 답이 나올 수 있는 문제에 접근하기 쉬운 기술로써 어떠한 입력 데이터에 따르는 최적의 주기와 방법, 계획 등을 논리적이고 확률적으로 추론할 수 있다. 인공지능의 추론 기술은 입력 데이터를 판단하고 최적화 예측, 지식과 확률 기반 추론, 선호 기반 계획 등을 포함할 수 있다.
인공신경망은 기계학습 분야의 학습 알고리즘 중 하나로 뇌의 뉴런과 시냅스의 연결을 프로그램으로 구현한 것이다. 인공신경망은 프로그램으로 신경망의 구조를 만든 다음 학습시켜 원하는 기능을 가지게 할 수 있다. 오차가 존재할 수 있지만 거대한 데이터를 바탕으로 학습하여 입력 데이터를 가지고 적절한 출력 데이터를 출력할 수 있다. 통계적으로 좋은 결과를 얻었던 출력 데이터를 획득할 수 있고 인간의 추론과 유사하다는 장점이 있다.
관리 서버(100)는 빅데이터를 기반으로 구축된 인공지능 알고리즘을 이용하여 소비자 기호 반영 컨텐츠를 추출하여 제공할 수 있고, 이를 위해 미리 학습된 다수의 인공 신경망을 포함할 수 있다. 여기서 빅데이터는 시간대 별 시청 컨텐츠, 컨텐츠 장면 특징, 컨텐츠 출연 배우, 컨텐츠 대사, 시청률 등의 데이터를 포함할 수 있다.
소비자 단말(200)은 데스크탑 컴퓨터, 랩탑, 태블릿, 스마트폰 등 네트워크를 통해 데이터를 주고받을 수 있는 단말이면 모두 포함될 수 있다.
소비자 단말(200)은 본 발명에 따른 서비스를 수행하기 위하여 컴퓨터가 가지는 연산 기능, 저장 기능, 참조 기능, 입출력 기능, 제어 기능 중 어느 하나 이상을 포함할 수 있다.
소비자 단말(200)은 본 발명에 따른 서비스를 제공받기 위하여 웹사이트에 접속하거나 애플리케이션을 설치할 수 있다. 소비자 단말(200)은 웹사이트 또는 애플리케이션을 통하여 데이터를 주고받을 수 있다.
네트워크(300)는 대용량, 장거리 음성 및 데이터 서비스가 가능한 대형 통신망의 고속 기간 망인 통신망이며, 인터넷(Internet) 또는 고속의 멀티미디어 서비스를 제공하기 위한 차세대 유선 및 무선 망일 수 있다.
네트워크(300)가 이동통신망일 경우 동기식 이동 통신망일 수도 있고, 비동기식 이동 통신망일 수도 있다. 비동기식 이동 통신망의 일 실시 예로서, WCDMA(Wideband Code Division Multiple Access) 방식의 통신망을 들 수 있다. 이 경우 도면에 도시되진 않았지만, 네트워크(300)는 RNC(Radio Network Controller)을 포함할 수 있다. 한편, WCDMA망을 일 예로 들었지만, 3G LTE망, 4G망 그 밖의 5G 등 차세대 통신망, 그 밖의 IP를 기반으로 한 IP망일 수 있다.
네트워크(300)는 관리 서버(100) 및 소비자 단말(200) 간의 신호 및 데이터를 상호 전달하는 역할을 할 수 있다.
도 2 및 도 3은 도 1에 도시된 관리 서버의 개념도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 관리 서버(100)는 컨텐츠 분석부(110), 컨텐츠 추천부(120), 컨텐츠 제작부(130) 및 데이터 관리부(140)를 포함할 수 있다.
컨텐츠 분석부(110)는 소비자 단말(200)로 제공하는 컨텐츠에서 적어도 하나 이상의 특성 정보를 추출할 수 있다. 특성 정보는 소비자 기호에 따른 소비자 맞춤형 컨텐츠 추천에 사용될 수 있는 정보로, 예를 들면, 컨텐츠를 구성하는 소정의 장면, 컨텐츠 출연 배우, 컨텐츠에 등장하는 대사 등을 포함할 수 있다.
컨텐츠 분석부(110)는 컨텐츠의 특성 정보를 빅데이터화 하기 위해 별도의 데이터베이스에 저장 및 관리할 수 있다.
컨텐츠 추천부(120)는 소비자 기호를 반영하여 소비자 단말(200)로 컨텐츠를 추천할 수 있으며, 제1 컨텐츠 추천부(121) 및 제2 컨텐츠 추천부(122)를 포함할 수 있다.
제1 컨텐츠 추천부(121)는 시간대 별 동일한 컨텐츠를 시청하는 소비자를 그룹화하고, 각 그룹에서 특정 시간대에 가장 많이 시청되는 컨텐츠를 제1 추천 컨텐츠로 추출할 수 있다. 이때, 제1 컨텐츠 추천부(121)는 소비자가 컨텐츠 시청 구독을 해지하는 경우, 해당 소비자를 그룹에서 제외시킬 수 있다.
제1 컨텐츠 추천부(121)는 제1 추천 컨텐츠가 소비자 단말(200)에서 노출될 수 있도록 하며, 바람직하게는, 특정 시간대에 제1 추천 컨텐츠가 소비자 단말(200)에서 노출될 수 있도록 한다.
예를 들면, 제1 컨텐츠 추천부(121)는 13시에 소비자 A, B 및 C 가 컨텐츠 a를 시청하는 경우, 소비자 A, B 및 C를 그룹화할 수 있다. 컨텐츠 추천부(120)는 16시에 소비자 A, C가 컨텐츠 b를 시청하고, 소비자 B가 컨텐츠 c를 시청하는 경우, 해당 그룹에서 16시에 가장 많이 시청되는 컨텐츠인 컨텐츠 c를 제1 추천 컨텐츠로 추출하고, 16시에 소비자 A, B 및 C의 소비자 단말(200)에서 제1 추천 컨텐츠가 노출될 수 있다.
제2 컨텐츠 추천부(122)는 컨텐츠 분석부(110)에서 구축하는 컨텐츠 특성 정보 빅데이터를 학습한 인공지능 신경망을 이용하여 제2 추천 컨텐츠를 추출할 수 있다.
제2 컨텐츠 추천부(122)는 소비자의 시청 이력 정보를 획득할 수 있다. 시청 이력 정보는 소비자가 시청한 컨텐츠들에 대한 특성 정보일 수 있다. 이때, 제2 컨텐츠 추천부(122)는 시청 이력 정보에 포함되는 컨텐츠 중, 컨텐츠의 전체 구간의 20% 이내로 시청한 컨텐츠에 대한 특성 정보는 제외할 수 있다.
제2 컨텐츠 추천부(122)는 입력 데이터에 대하여 유사한 컨텐츠 출력을 위해 학습된 인공 신경망에 입력 데이터를 입력할 수 있다.
제2 컨텐츠 추천부(122)는 인공 신경망으로부터 출력 데이터를 획득하고, 출력 데이터를 제2 추천 컨텐츠로 추출할 수 있다.
본 실시예에서 제2 컨텐츠 추천부(122)는 기계 학습 알고리즘의 수행을 위하여 미리 학습된 다수의 인공 신경망을 포함할 수 있다. 기계 학습으로 입력 데이터를 바탕으로 출력 데이터를 출력하고 이것의 결과를 이용해 스스로 학습할 수도 있고 이로 인해 스스로 데이터 처리 능력이 향상될 수 있다. 인공 신경망은 입력 데이터를 바탕으로 특징을 추출하고 규칙성을 추측하여 결과데이터를 출력할 수 있고 이러한 과정이 쌓일수록 결과 데이터의 신뢰도가 높아지게 된다.
본 실시예에서 인공 신경망은 소비자가 시청한 컨텐츠들에 대하여 유사한 특성 정보를 갖는 컨텐츠를 출력하는 알고리즘일 수 있다. 인공 신경망은 빅데이터를 그대로 입력 데이터로 하거나 불필요한 데이터를 정리하는 처리 과정을 거친 후 입력 데이터로 하여 최상의 출력 데이터를 추론할 수 있다.
인공지능 기계 학습 모델은 학습 종류에 따라 Super Viser Learning(지도학습), UnSuper Viser Learning(비지도 학습), Semisupervised learning(반지도 학습), Reinforcement Learning(강화 학습) 등이 있다. 그리고 기계 학습 알고리즘으로 Decision Tree(의사 결정 트리), K-Nearest Neightbor, Artificial Neural Network(인공 신경망), Support Vector Machine, Ensemble Learning, Gradient Descent(기울기 하강법), Na
Figure 112023108106500-pat00001
ve Bayes Classifier, Hidden Markov Model, K-Means Clustering 등이 사용될 수 있다.
인공 신경망은 수많은 인공 뉴런들을 몇 개의 층으로 쌓고 연결할 수 있다. 인공 신경망의 입력 데이터에는 컨텐츠를 구성하는 소정의 장면, 컨텐츠 출연 배우, 컨텐츠에 등장하는 대사 등을 포함할 수 있다. 인공 신경망은 입력 데이터에 포함될 수 있는 여러 입력 값들에 대해 미리 학습된 상태일 수 있다. 인공 신경망은 사용자가 입력하는 컨텐츠와 유사한 특성 정보를 갖는 컨텐츠를 추론하여 출력 데이터를 출력할 수 있다.
인공 신경망은 학습방식 중 하나인 reinforcement learning(강화 학습)에 따라 학습되는 인공 신경망일 수 있다. 강화 학습은 보수와 제한을 설정하여 점차 올바른 결과를 획득할 확률을 올려가는 방식이다. 예를 들면, 본 실시예에서 소비자의 시청 이력에 따른 컨텐츠와 유사한 컨텐츠를 출력하면 보수, 유사하지 않으면 제한을 할당하여 점차 최적화할 수 있다.
인공 신경망은 Convelutional Neural Network(CNN, 합성곱 신경망)이나 Recurrent Neural Network(RNN, 순환 신경망)에 기반하여 모델링될 수도 있다.
이와 같이 컨텐츠 추천부(120)는 제1 추천 컨텐츠 또는 제2 추천 컨텐츠를 추출하여 소비자 단말(200)로 제공할 수 있다.
컨텐츠 제작부(130)는 컨텐츠에서 시청률이 높은 구간을 추출하여 쇼츠 영상을 제작할 수 있다.
컨텐츠 제작부(130)는 복수의 컨텐츠 중, 시청률이 소정 임계치 이상인 컨텐츠를 추출하고, 추출한 컨텐츠를 1분 이내의 구간으로 구획하고, 시청률이 가장 높은 구간을 추출하여 쇼츠 영상으로 제작하고, 쇼츠 영상을 소비자 단말(200)로 제공할 수 있다.
데이터 관리부(140)는 소비자 단말(200)로 제공한 추천 컨텐츠의 시청 여부를 확인하고, 추천 컨텐츠가 시청되지 않은 경우, 소비자 단말(200)로 제공한 추천 컨텐츠와 다른 컨텐츠를 다시 추출하여 제공할 수 있다.
이와 같은 본 발명의 일 실시예에 따른 시스템(1)은 소비자 단말(200)로 추천 컨텐츠를 제공하되, 이때, 소비자가 시청한 컨텐츠의 주요 장면, 배우, 명대사 등이 유사한 컨텐츠를 추천하며, 나아가 시청률이 높은 구간을 쇼츠 영상으로 제공하여 소비자 만족도를 높일 수 있으며, 스트리밍 서비스 소비자들의 이탈을 방지할 수 있을 것이다.
한편, 컨텐츠 분석부(110)는 아래 수학식 1을 이용하여 컨텐츠 특징값을 계산할 수 있다.
[수학식 1]
수학식 1에서 p는 컨텐츠에서 나타나는 오디오 피크 값의 개수, tz는 z번째 피크 값이 나타나는 주기를 의미한다.
수학식 1에 따르면 컨텐츠에서 오디오에 따른 특징값을 수치화할 수 있으며, 이를 통해 컨텐츠의 특성을 예측할 수 있다.
컨텐츠 분석부(110)는 아래 수학식 2를 이용하여 소비자 별 컨텐츠 시청 패턴값을 계산할 수 있다.
[수학식 2]
수학식 2에서 C는 수학식 1에 따른 컨텐츠 특징값으로, 소비자가 시청한 전체 컨텐츠에 대하여 산출한 특징값들의 중간값, n1은 소비자가 시청한 전체 컨텐츠의 수, n2는 소비자가 시청한 전체 컨텐츠 중 20% 이상의 구간을 시청한 컨텐츠의 수, t는 소비자의 평균 컨텐츠 시청 시간을 의미한다.
수학식 2에 따르면 소비자가 시청하는 컨텐츠의 특징들과, 컨텐츠 시청 시간, 컨텐츠 시청 개수 등을 반영하여 소비자의 컨텐츠 시청 패턴을 나타내는 패턴값을 산출할 수 있으며, 특히, 단순한 선형계산에서 벗어나 알고리즘을 통해 수치를 산출할 수 있도록 하여 기하급수적인 수치의 증대를 방지하고 신빙성을 높일 수 있다.
한편, 컨텐츠 분석부(110)는 아래 수학식 3을 이용하여 핵심 컨텐츠를 추출할 수 있다.
[수학식 3]
수학식 3에서 K는 특정 컨텐츠에 대한 핵심 지수, N1은 특정 컨텐츠를 100% 시청한 횟수, N2는 특정 컨텐츠를 20% 미만으로 시청한 횟수, N3은 전체 컨텐츠를 시청한 횟수를 의미한다. 이때, N2-1이 0이거나 0보다 작을 경우에는 1로 적용한다.
수학식 3에 따르면 특정 컨텐츠의 시청 비율에 따라 핵심 컨텐츠인지 여부를 파악할 수 있는 핵심 지수를 산출할 수 있으며, 이때, 변수 값의 증가에 따라 결과 값의 증가폭이 작아지면서 증가하도록 하여 변수의 무의미한 증가가 그대로 결과에 반영되는 현상을 방지할 수 있다.
컨텐츠 분석부(110)는 수학식 2에 따른 소비자 시청 패턴값 계산 시, 수학식 3에 따른 핵심 지수가 가장 높은 컨텐츠의 특징값을 적용할 수도 있다.
도 4는 본 발명의 다른 실시예에 따른 컨텐츠 추천부의 개념도이다.
도 4를 참조하면, 컨텐츠 추천부(120)는 도 3에 도시된 제1 컨텐츠 추천부(121), 제2 컨텐츠 추천부(122)에 더하여 제3 컨텐츠 추천부(123)를 더 포함할 수 있다.
제3 컨텐츠 추천부(123)는 컨텐츠 추천부(120)는 수학식 2에 따른 컨텐츠 시청 패턴값을 이용하여 소비자를 그룹화하고, 그룹에서 시간대 별로 가장 많이 시청된 컨텐츠를 제3 추천 컨텐츠로 추출하여 제공할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
1: 소비자 기호 반영 컨텐츠 제공 및 제작 시스템
100: 관리 서버
200: 소비자 단말
300: 네트워크

Claims (2)

  1. 소비자 단말; 및
    소비자 맞춤형 추천 컨텐츠를 상기 소비자 단말로 제공하는 관리 서버;를 포함하고,
    상기 관리 서버는,
    상기 소비자 단말로 제공하는 컨텐츠에서 컨텐츠를 구성하는 소정의 장면, 컨텐츠 출연 배우 및 컨텐츠에 등장하는 대사를 포함하는 특성 정보를 추출하고, 상기 특성 정보를 빅데이터화 하기 위해 별도의 데이터베이스에 저장 및 관리하는 컨텐츠 분석부;
    소비자 기호를 반영하여 추천 컨텐츠를 추출하고, 상기 추천 컨텐츠를 상기 소비자 단말로 제공하는 컨텐츠 추천부; 및
    상기 소비자 단말로 제공한 추천 컨텐츠의 시청 여부를 확인하는 데이터 관리부;를 포함하고,
    상기 컨텐츠 추천부는,
    시간대 별 동일한 컨텐츠를 시청하는 소비자를 그룹화하고, 각 그룹에서 특정 시간대에 가장 많이 시청되는 컨텐츠를 제1 추천 컨텐츠로 추출하고, 상기 특정 시간대에 상기 제1 추천 컨텐츠가 상기 소비자 단말에서 노출될 수 있도록 하는 제1 컨텐츠 추천부; 및
    소비자가 시청한 컨텐츠들에 대한 특성 정보에 해당하는 시청 이력 정보를 획득하고, 상기 컨텐츠 분석부에서 구축한 빅데이터를 학습하여 입력 데이터에 대하여 유사한 컨텐츠 출력을 위해 학습된 인공 신경망으로부터 상기 시청 이력 정보에 대한 출력 데이터를 획득하고, 상기 출력 데이터를 제2 추천 컨텐츠로 추출하여 상기 소비자 단말로 제공하는 제2 컨텐츠 추천부;를 포함하고,
    상기 컨텐츠 분석부는,
    컨텐츠에서 나타나는 오디오 피크 값의 개수 및 피크 값이 나타나는 주기를 아래 수학식 1에 적용하여 컨텐츠 특징값을 계산하고, 상기 컨텐츠 특징값, 소비자가 시청한 전체 컨텐츠의 수, 소비자가 시청한 전체 컨텐츠 중 20% 이상의 구간을 시청한 컨텐츠의 수 및 소비자의 평균 컨텐츠 시청 시간을 아래 수학식 2에 적용하여 소비자의 컨텐츠 시청 패턴값을 계산하되, 컨텐츠의 시청 횟수를 아래 수학식 3에 적용하여 컨텐츠 별 핵심 지수를 계산하고, 핵심 지수가 가장 높은 컨텐츠 특징값을 상기 수학식 2에 적용하여 소비자의 컨텐츠 시청 패턴값을 계산하는 것을 더 포함하고,
    [수학식 1]

    (수학식 1에서 p는 컨텐츠에서 나타나는 오디오 피크 값의 개수, tz는 z번째 피크 값이 나타나는 주기를 의미함.)
    [수학식 2]

    (수학식 2에서 C는 수학식 1에 따른 컨텐츠 특징값, n1은 소비자가 시청한 전체 컨텐츠의 수, n2는 소비자가 시청한 전체 컨텐츠 중 20% 이상의 구간을 시청한 컨텐츠의 수, t는 소비자의 평균 컨텐츠 시청 시간을 의미함.)
    [수학식 3]

    (수학식 3에서 K는 특정 컨텐츠에 대한 핵심 지수, N1은 특정 컨텐츠를 100% 시청한 횟수, N2는 특정 컨텐츠를 20% 미만으로 시청한 횟수, N3은 전체 컨텐츠를 시청한 횟수(N2-1이 0이거나 0보다 작을 경우에는 1로 적용)를 의미함.)
    상기 컨텐츠 추천부는,
    상기 컨텐츠 시청 패턴값을 이용하여 소비자를 그룹화하고, 그룹에서 시간대 별로 가장 많이 시청된 컨텐츠를 제3 추천 컨텐츠로 추출하여 제공하는 제3 컨텐츠 추천부;를 더 포함하는, 시스템.


  2. 삭제
KR1020230131209A 2023-09-27 2023-09-27 소비자 기호 반영 컨텐츠 제공 및 제작 시스템 KR102624926B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230131209A KR102624926B1 (ko) 2023-09-27 2023-09-27 소비자 기호 반영 컨텐츠 제공 및 제작 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230131209A KR102624926B1 (ko) 2023-09-27 2023-09-27 소비자 기호 반영 컨텐츠 제공 및 제작 시스템

Publications (1)

Publication Number Publication Date
KR102624926B1 true KR102624926B1 (ko) 2024-01-15

Family

ID=89542797

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230131209A KR102624926B1 (ko) 2023-09-27 2023-09-27 소비자 기호 반영 컨텐츠 제공 및 제작 시스템

Country Status (1)

Country Link
KR (1) KR102624926B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150061700A (ko) * 2013-11-27 2015-06-05 포항공과대학교 산학협력단 컨텐츠 추천 시스템을 위한 사용자 프로파일링 방법 및 장치
KR20160083746A (ko) * 2015-01-02 2016-07-12 에스케이플래닛 주식회사 컨텐츠 추천 서비스 시스템, 그리고 이에 적용되는 장치 및 그 장치의 동작 방법
KR20190103499A (ko) * 2018-01-19 2019-09-05 주식회사 문화방송 컨텐츠 추천 방법 및 그 장치
KR20220148627A (ko) * 2021-04-29 2022-11-07 네이버웹툰 유한회사 사용자 그룹 클러스터링을 기반으로 복수의 컨텐츠들을 관리하기 위한 장치 및 방법
KR20230050590A (ko) * 2021-10-08 2023-04-17 삼성전자주식회사 전자 장치 및 그 제어 방법
KR20230083418A (ko) * 2021-12-03 2023-06-12 한국전자기술연구원 콘텐츠 유사도 및 임베딩 학습을 통한 콘텐츠 추천 방법 및 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150061700A (ko) * 2013-11-27 2015-06-05 포항공과대학교 산학협력단 컨텐츠 추천 시스템을 위한 사용자 프로파일링 방법 및 장치
KR20160083746A (ko) * 2015-01-02 2016-07-12 에스케이플래닛 주식회사 컨텐츠 추천 서비스 시스템, 그리고 이에 적용되는 장치 및 그 장치의 동작 방법
KR20190103499A (ko) * 2018-01-19 2019-09-05 주식회사 문화방송 컨텐츠 추천 방법 및 그 장치
KR20220148627A (ko) * 2021-04-29 2022-11-07 네이버웹툰 유한회사 사용자 그룹 클러스터링을 기반으로 복수의 컨텐츠들을 관리하기 위한 장치 및 방법
KR20230050590A (ko) * 2021-10-08 2023-04-17 삼성전자주식회사 전자 장치 및 그 제어 방법
KR20230083418A (ko) * 2021-12-03 2023-06-12 한국전자기술연구원 콘텐츠 유사도 및 임베딩 학습을 통한 콘텐츠 추천 방법 및 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
정명범, 성보경, 고일주, "오디오의 Peak 특징을 이용한 동일 영화 콘텐츠 검색", (2009.11.)* *

Similar Documents

Publication Publication Date Title
KR102234850B1 (ko) 릴레이션 네트워크에 기반한 지식 보완 방법 및 장치
KR20190106865A (ko) 동영상 검색방법 및 동영상 검색 단말기
CN113207010B (zh) 模型训练方法、直播推荐方法、设备、存储介质
KR102490009B1 (ko) 인공지능 기반 인플루언서 연계 제품 구매 및 판매 플랫폼 서비스 제공 방법, 장치 및 시스템
Liu et al. When wireless video streaming meets AI: A deep learning approach
CN112395515B (zh) 一种信息推荐方法、装置、计算机设备及存储介质
KR102551997B1 (ko) 콘텐츠 시청 성향 분석 기반 광고 콘텐츠 기획 자동화 및 커머스 플랫폼 서비스 제공 방법, 장치 및 시스템
CA3021193A1 (en) System, method, and device for analyzing media asset data
CN114357201B (zh) 基于信息感知的视听推荐方法、系统
CN115867919A (zh) 用于推荐系统的图结构感知增量学习
CN111241850A (zh) 提供业务模型的方法及装置
Liang et al. Generative ai-driven semantic communication networks: Architecture, technologies and applications
KR102624926B1 (ko) 소비자 기호 반영 컨텐츠 제공 및 제작 시스템
KR102492774B1 (ko) 인공지능 기반 음원 컨텐츠 라이센싱 플랫폼 서비스 제공 방법
CN113660488B (zh) 对多媒体数据进行流控及流控模型训练方法、以及装置
CN113656560B (zh) 情感类别的预测方法和装置、存储介质及电子设备
US20220261683A1 (en) Constraint sampling reinforcement learning for recommendation systems
CN115017362A (zh) 数据处理方法、电子设备及存储介质
CN114357301A (zh) 数据处理方法、设备及可读存储介质
Skaka‐Čekić et al. A feature selection for video quality of experience modeling: A systematic literature review
KR102626192B1 (ko) 홈쇼핑 방송컨셉 구성 및 의상 코디네이팅 시스템
KR102652619B1 (ko) 인공지능을 이용한 개인 맞춤형 광고 노출 시스템
KR102606328B1 (ko) 빅데이터에 기반한 골재 매입 매도 시점 추천 시스템
CN116881575B (zh) 内容推送方法、装置、计算机设备和存储介质
KR102659929B1 (ko) 온라인 판매 시스템

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant